CN115575391A - 一种基于智能手机拍照的尿液分析方法及检测卡 - Google Patents
一种基于智能手机拍照的尿液分析方法及检测卡 Download PDFInfo
- Publication number
- CN115575391A CN115575391A CN202211213665.1A CN202211213665A CN115575391A CN 115575391 A CN115575391 A CN 115575391A CN 202211213665 A CN202211213665 A CN 202211213665A CN 115575391 A CN115575391 A CN 115575391A
- Authority
- CN
- China
- Prior art keywords
- color
- block
- correction
- blocks
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005353 urine analysis Methods 0.000 title claims abstract description 14
- 238000012937 correction Methods 0.000 claims abstract description 98
- 238000012360 testing method Methods 0.000 claims abstract description 98
- 238000006243 chemical reaction Methods 0.000 claims abstract description 57
- 210000002700 urine Anatomy 0.000 claims abstract description 28
- 238000013528 artificial neural network Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000002562 urinalysis Methods 0.000 claims 5
- 238000007639 printing Methods 0.000 abstract description 19
- 238000009535 clinical urine test Methods 0.000 abstract description 7
- 206010011409 Cross infection Diseases 0.000 abstract description 3
- 206010029803 Nosocomial infection Diseases 0.000 abstract description 3
- 239000000284 extract Substances 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 12
- 239000003086 colorant Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000004737 colorimetric analysis Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005286 illumination Methods 0.000 description 6
- 210000000265 leukocyte Anatomy 0.000 description 5
- 238000011179 visual inspection Methods 0.000 description 5
- 230000004075 alteration Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 208000006992 Color Vision Defects Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007705 chemical test Methods 0.000 description 1
- 201000007254 color blindness Diseases 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007648 laser printing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/52—Measurement of colour; Colour measuring devices, e.g. colorimeters using colour charts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/52—Measurement of colour; Colour measuring devices, e.g. colorimeters using colour charts
- G01J3/524—Calibration of colorimeters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
- H04M1/72406—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality by software upgrading or downloading
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/67—Circuits for processing colour signals for matrixing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Plasma & Fusion (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种基于智能手机拍照的尿液分析方法及检测卡,包括检测卡本体,以及设置在其上的定位标志、色块校正区和反应区。开发者提取校正色块和比色卡色块的标准值并保存至服务器。检测时,用户拍摄图像并上传,算法利用离心率识别出检测卡定位标志,利用两定位标志之间连线夹角进行图像偏角校正,随后切割去除多余背景,只保留检测卡;采用最小二乘法定位校正色块和试纸反应块的中心坐标;将图像转化为Lab颜色空间并提取颜色;采用BP神经网络进行颜色校正;计算两个颜色通道的颜色差值,即可确定检测结果。本发明通过手机进行尿液检测,降低医院尿液检测的交叉感染风险;该检测方法不对拍摄场景做出过多的限制,使用简便;无需采用专色印刷比色卡,有效降低了印刷难度及印刷成本;直接将尿液检测试纸设计在检测卡上,尺寸小巧,一次性使用,用后即抛,干净卫生。
Description
技术领域
本发明涉及健康检测技术领域,具体而言,涉及一种基于智能手机拍照的尿液分析方法及检测卡。
背景技术
人体的尿液中包含着众多的人体信息,现有的尿液检测方法包括目测比色法、尿液分析仪比色法和智能手机比色法。采用目测比色时首先将试纸条浸入尿液2秒,等待一分钟充分反应后即可与标准比色卡进行比色,但是对老人、患有眼疾、色盲和色弱的人群则无法精准分辨颜色;尿液分析仪同样依托于化学试纸条进行检测,通过设备分析颜色,但是设备体积较大且价格昂贵,不适合家庭使用。
智能手机比色法是通过分析软件对照片进行分析,以实现对尿液的检测,其原理是采用图像处理算法对采集的图像进行色块识别、颜色校正和计算色差,但是受限于拍照光线对颜色的影响,不同的光照环境就有可能导致不同的检测结果,因此,实现难度较高。
颜色校正是其中比较复杂的部分,也是制约以上研究成果推广的重要原因。我们都知道在不同环境光下,不同设备拍摄的同一场景的图像都会有较大的差异。大多学者在进行相关研究时的一贯做法是规避这一问题,即人为设置比较稳定的实验条件。比如为了限制拍摄时的环境光线变化,常采用密闭的灯箱以提供稳定的照明。为了保证拍摄图像的一致性,从始至终只采用一部手机拍摄。正是由于拍摄条件稳定,大多数学者的研究一般不涉及颜色校正算法,或者是只涉及较简单的颜色校正(比如白平衡)。显然这样的研究限制条件较多,使用不便,难以推广应用。
市面上也有部分公司直接将标准比色卡印刷在检测卡上,拍照时试纸反应块与标准比色卡一同拍摄上传并进行图像处理,处理起来比较简单,无需较复杂的颜色校正步骤,直接进行色差比较即可,但是标准比色卡的色块在印刷时的印刷质量要求较高,往往需要采用专色印刷,对于14项尿检试纸就需要采用大概70个专色进行比色卡的印刷,印刷不易,印刷成本较高。正是由于比色卡印刷成本较高,所以这类产品的包装内一般只含有一份比色卡和附带的多条试纸。这就意味着用户使用后的尿检试纸可以丢弃,但是沾有尿液的比色卡却只能保留下来供下次使用,不太卫生。
发明内容
针对现有技术中存在的问题,本发明提供一种基于智能手机拍照的尿液分析方法及检测卡,解决现有研究中为获得稳定拍摄环境,人为设置诸多限制条件导致使用不便,采用专色直接印刷标准比色卡进行比色时印刷不易,印刷成本较高,以及比色卡重复使用所带来的不太卫生的问题。
本发明是通过以下技术方案来实现:
一种基于智能手机拍照的尿液分析检测卡,包括检测卡本体,以及设置在其上的定位标志、色块校正区和反应区,试纸条放置在检测卡本体的反应区;
所述定位标志分别位于色块校正区的两端,所述色块校正区包括呈矩形整列排布的多个校正色块,反应区位于色块校正区的一侧。
优选的,所述定位标志为圆。
优选的,相邻校正色块之间设置有间隔线。
优选的,所述反应区内设置了对试纸条进行对齐的试纸对齐标志,当试纸条与试纸对齐标志对齐时,试纸条上各个反应块的中心与色块校正区中相邻校正色块的间隔线位于同一直线。
优选的,所述试纸对齐标志包括多个自上而下间隔设置的定位块,定位块的位置与试纸条上反应块的位置相对应,并且定位块的中心也与相邻校正色块的间隔线位于同一直线。
一种基于智能手机拍照的尿液分析方法,包括以下步骤:
步骤1、在标准环境下拍摄检测卡和比色卡的图像,获取检测卡和比色卡中每个色块的颜色值作为标准值;
步骤2、将带有尿液样本的试纸条放置在检测卡本体的反应区,拍摄图像,识别定位标志,校正图像偏角并切割去除多余背景,只保留检测卡;
步骤3、根据两个定位标志之间的距离依比例预估色块校正区中每个色块的中心坐标,同时采用阈值法对色块校正区的图像进行分割,计算分割出的色块的中心坐标;
步骤4、对色块校正区中分割出的校正色块进行编号,根据部分分割出色块的中心坐标以及编号可以计算并确定所有校正色块的中心坐标,随后利用校正色块的中心坐标确定试纸条中反应块的中心坐标;
步骤5、将检测卡图像由RGB转化为Lab颜色空间,以步骤4得到的中心坐标为中心向外延伸设定距离形成提取区域,获取校正色块和试纸条中反应块的颜色均值;
步骤6、构建BP神经网络,将步骤5得到的校正色块的颜色均值作为输入,将步骤1中标准环境下的校正色块的颜色均值视为标准值作为输出,对BP神经网络进行训练,训练完成后,将试纸条中各个反应块的颜色均值分别输入BP神经网络中进行预测,即可得出试纸条中各个反应块校正后的颜色值;
步骤7、计算试纸条中各个反应块校正后的两个颜色通道的颜色值与步骤1中标准环境下比色卡的两个颜色通道的颜色差值,根据颜色差值的大小即可确定检测结果。
优选的,步骤2中,根据两个定位标志形成直线的斜率对图像的偏角进行校正,切割去除多余背景时所用裁剪框的尺寸大小为定位标志的直径放大某一倍数后得出。
优选的,步骤3中采用形态学运算得到阈值法分割后的色块的中心坐标。
优选的,步骤4中所述编号是通过计算分割出色块的中心坐标与预估出的每一个色块的中心坐标的距离,根据距离最小值确定分割出色块的编号。
优选的,步骤4中所述根据部分分割出色块的中心坐标以及编号计算并确定所有校正色块的中心坐标,所使用的计算方法为最小二乘法。
优选的,步骤7中采用绝对值法计算颜色差值。
优选的,绝对值法计算颜色差值的方法如下:
ΔE″=|a2-a1|+|b2-b1|
其中,a1和b1分别为比色卡两个颜色通道的标准颜色值,而a2和b2则为校正后的两个颜色通道的颜色值。
与现有技术相比,本发明具有以下有益的技术效果:
本发明提供的尿液分析检测卡,在检测卡本体上设置定位标志、色块校正区和反应区,使用时将试纸放置在反应区,将色块校正区设置在反应区的一侧,检测时通过手机拍照进行尿液检测,通过定位标志作为目标对检测卡定位,同时将色块校正区的色块作为参照物对试纸进行分析,由于分析过程中不直接同标准比色卡比较颜色,因此无需采用专色印刷比色卡,一般的激光打印即可满足要求,有效降低了印刷难度及印刷成本。由于印刷难度及印刷成本得到了有效控制,因此本发明得以将试纸跟颜色校正色块相融合,直接将尿液检测试纸设计在检测卡上,尺寸小巧,一次性使用,用后即抛,干净卫生。
进一步,该检测方法进行检测时,用户拍摄图像并上传,算法利用离心率识别出检测卡定位标志,利用两定位标志之间连线夹角进行图像偏角校正,随后切割去除多余背景,只保留检测卡;采用最小二乘法定位校正色块和试纸反应块的中心坐标;将图像转化为Lab颜色空间并提取颜色;采用BP神经网络进行颜色校正;计算两个颜色通道的颜色差值,即可确定检测结果。本发明通过手机进行尿液检测,降低医院尿液检测的交叉感染风险,减少尿液检测的时间成本;该检测方法不对拍摄场景做出过多的限制,使用简便;无需采用专色印刷比色卡,有效降低了印刷难度及印刷成本;直接将尿液检测试纸设计在检测卡上,尺寸小巧,一次性使用,用后即抛,干净卫生。
附图说明
图1为本发明检测卡示意图;
图2为本发明所用比色卡示意图;
图3为本发明检测卡本体与比色卡共同拍摄并提取标准值的示意图。
图4为本发明检测卡定位原理图。
其中,图4子图a为阈值法提取的色块中心图,图4子图b为依比例预估的色块中心图,图4子图c为最小二乘运算后的全部色块中心图,图4子图d为颜色提取区域示意图。
图中:1、定位标志;2、色块校正区;3、反应区。
具体实施方式
下面结合附图对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
参阅图1,一种基于智能手机拍照的尿液分析检测卡,包括检测卡本体,以及设置在其上的定位标志1、色块校正区2、反应区3和试纸条,试纸条放置在检测卡本体的反应区;
两个定位标志分别位于色块校正区2的两端,色块校正区2包括呈矩形整列排布的多个校正色块,反应区位于色块校正区2的一侧。
定位标志1用于对检测卡进行定位,定位标志为圆。
现有的二维码的形状一般为正方形,且在正方形的三个角分别设置了三个正方形定位标志。借助这三个角的正方形定位标志即可在任意角度上实现对二维码的精准识别。而本发明拟采用完全不同的定位标志以及定位算法。与常见的二维码所采用的方形定位标志不同的是,本发明中采用的定位标志为圆形。对圆形定位标志的识别利用圆形的离心率,由于圆的离心率为零,因此可以借助离心率将圆形定位标志从一堆背景图像中准确筛选出来。
色块校正区2包括64块不同颜色的色块,64个色块按照32行2列排列,相邻两个色块之间设置有间隔线。
间隔线为黑色粗实线,对相邻两个色块进行间隔以便于区分,色块校正区2的64个色块,相较于颜色校正常用的24色卡,大量色块可以保证校正算法的效果,防止过拟合。
整个检测卡本体设计由CAXA绘制而成,其中颜色校正色块的颜色也是由CAXA绘图软件填充。具体填充的颜色源自电子版试纸标准比色卡,经过吸管取色后填充而成。这样做主要是考虑到当颜色校正色块的颜色尽可能多的同比色卡颜色接近时,能够使颜色校正的效果更优。
检测时,将与尿液充分反应后并吸干多余水分的试纸条直接放置在检测卡本体的反应区域进行拍照。
试纸条为市面上现有的尿液检测试纸,将其放置在反应区,这样就不需要寻找试纸生产厂家定制生产检测卡了,采用现有的试纸即可快速投入使用。降低了生产的成本,此外,当对算法检测的结果存在疑惑时也可以直接通过目测的方式直接同试纸比色卡进行比对。
反应区3上设置有对试纸条位置进行对齐的试纸对齐标志,通过试纸对齐标志对试纸条定位,使试纸条能够准确地放置在反应区上。
所述试纸对齐标志包括交替设置的两种不同颜色的定位色块,两种定位色块沿检测卡本体的长度方向交替设置,定位色块的宽度大于试纸条的宽度,并且定位块的中心与相邻校正色块的间隔线位于同一直线。
优选的,所述试纸条为尿十四联试纸条,试纸条自上而下间隔设置有多个反应块,各个反应块之间又有白色间隔块,试纸反应块间距与试纸对齐标志中的定位块间距相同,并且定位块的宽度比试纸条反应块的宽度略宽2mm,便于将试纸条完整地放置在反应区上。整个检测卡的长度为108mm,宽度为15mm。当试纸条反应块与试纸对齐标志相对应时,则说明试纸条已经准确放置在检测卡本体的指定位置上。
定位标志1为直径6mm的圆。
色块校正区2包含32行2列共64块颜色校正色块。颜色校正色块的长边为4mm,短边为3mm,保证两个圆形定位标志加32个颜色校正色块的长度之和为108mm,正好与所用的14联试纸条的长度相等。
需要指出的是以上定位标志的直径、校正色块的短边设计尺寸是为了方便后期对色块的定位。如图1所示,以局部放大图I为例就能很清楚地说明这一点。可以在2倍局部放大图中清晰地看到,右侧定位块的中心正好与左侧两个相邻校正色块的间隔线位于同一直线,而定位块处放置的正是14联试纸条。如此一来,当确定了左侧校正色块的中心坐标之后,右侧试纸条反应块的中心坐标也将随之确定下来。正因如此,右侧试纸条在定位时不必再借助额外的定位标志,一方面可以减小试纸的尺寸,另一方面还可以简化右侧试纸条定位算法的复杂程度和缩短运算时间。
下面对本发明提供的一种基于智能手机拍照的尿液分析方法进行详细的说明,包括以下步骤:
步骤1、在标准环境下拍摄检测卡和比色卡的图像,获取检测卡上颜色校正色块和比色卡中每个色块的颜色值作为标准值并存储至数据库。
具体的,在开始检测前需要得到颜色校正色块在标准环境下的颜色数据。同时,为了后续通过计算色差得出检测结果,同样需要得到比色卡在标准环境下的颜色数据。为获得颜色校正色块以及比色卡的初始标准值,首先将比色卡以及检测卡放置在一起进行拍摄,具体放置方式如图3所示,然后在绘图软件中通过吸管工具提取左侧检测卡色块校正区的64个校正色块和右侧比色卡上75个色块的L、a、b颜色通道的值并保存,以上数值作为初始标准值,64个校正色块的数值在后续颜色校正时会使用到,75个比色卡色块的数值在后续计算色差时会用到。
所述绘图软件为PS或CAXA。
需要注意的是,首次拍摄时不用放置试纸条,因为首次拍摄只采集初始标准值,即只需要采集64个校正色块和75个比色色块的原始数据。而且75个比色卡色块也只在首次拍摄采集标准值时需要用到,后面开始正常检测时不再拍摄75个比色卡色块,可以直接从内存中调用。
步骤2、将带有尿液样本的试纸条放置在检测卡本体的反应区,拍摄图像,识别定位标志,校正图像偏角并切割去除多余背景,只保留检测卡。
为实现对尿液检测卡的分析,需要从图像背景中将检测卡给筛选出来,整个检测卡的精准识别借助的是两个圆形定位标志,对图像进行预处理之后再利用形态学操作得到众多连通区域,然后利用matlab软件中的Regionprops函数,该函数的用途是可以度量图像中的区域属性。
由于定位标志为圆,采用Regionprops函数度量图像区域属性的离心率,借助离心率即可把两个圆形定位标志从图像的众多连通区域中筛选出来。依据的原理是:圆的离心率为零,除圆以外的其余连通域的离心率都大于圆的离心率,因此借助离心率即可找出两个定位标志。
根据两个圆形定位标志形成的直线的斜率对图像偏角进行校正并对图像进行切割。
具体的,当两个圆形定位标志确定后,依据两定位点确定一条直线,通过计算直线的斜率来判断图像倾斜的角度,再按照角度对图像进行旋转操作,使图像中的检测卡处于竖直状态,随后将图像中的检测卡进行切割,只保留检测卡的图像。
步骤3、根据两定位标志之间的距离依比例预估色块校正区中64个色块的中心坐标,同时采用阈值法对色块校正区的图像进行分割,并结合形态学运算得到分割出来的色块的中心坐标。
依靠两定位标志计算距离是无法实现精确定位的,定位的效果在极大程度上依赖两个圆形定位标志的中心坐标是否准确。当前面步骤中识别到的两定位标志的中心坐标比较准确时,后面计算距离时就会比较准确,计算出的色块中心同实际的色块中心偏差就很小。但是当两定位标志的中心都没能准确判定时,后面校正色块的中心自然无从保证。如图4中(b)所示,图中圆点是借助两定位标志中心并经计算后的色块中心,可以看出许多圆点并没有完美地位于校正色块的中心,显然这样的定位效果是没法供后续步骤使用的。
无论拍摄效果如何好,识别出的两定位标志的中心始终会同真实中心存在些许偏差,因而需要借助其他已识别出的色块来辅助定位。
采用阈值法来分割色块是无法将所有的色块从背景图中给分割出来的,总会有几个色块和背景被划分到一起无法继续分割了。如图4中(a)所示,检测卡经阈值法初步分割之后留下许多白色的连通区域,位于色块校正区内有许多被分割出的颜色校正色块,还有一部分颜色校正色块在分割时与背景融为一体,没能被分割出来。因此,在后续步骤中需要采用其他方法,借助被分割出来的颜色校正色块来求出融入背景内的部分颜色校正色块。图中被圆点所标记的色块区域是经过筛选后的区域,筛选依据的是长宽比例,筛选能去除一些残缺的校正色块,提高后续步骤的定位精度。
步骤4、对色块校正区的64个色块按顺序编号,计算分割出的色块与预估出的每一个色块的中心距离,距离最小的色块,即为同位置色块,因此可以确定分割出的色块的编号,根据分割出的色块的中心坐标以及编号,结合最小二乘法得到所有色块的中心坐标。
根据色块校正区同列色块的中心坐标可以确定试纸条的中心坐标。
如图4所示,计算子图(a)中圆点与子图(b)中圆点之间的距离,(b)中圆点从上到下一共有32个,(a)中圆点按照与(b)中圆点之间的距离被分配编号。以图4子图(a)、(b)、(c)、(d)中同一位置处的校正色块①、②、③、④为例进行详细说明,(a)中圆点①与(b)中圆点②距离最近,又由于(b)中圆点②位于32个编号中的第二位置处,因此(a)中圆点①被编号为2,其余校正色块编号原理类似。
至于如何由(a)中部分色块得出全部色块的位置,采用的方法是基于最小二乘与阈值法的图像分割方法。借助(a)中部分色块的中心坐标及对应编号最小二乘运算之后便可以求出其余色块的中心坐标,如图4中(c)所示,64个校正色块的中心均被准确地识别了出来,同时定位效果远远优于(b)中依据比例计算出的色块中心,可见融合了两种方法的定位效果更优。
由于色块校正区两个相邻校正色块的间隔线与反应区定位块的中心位于同一直线上,因此可以确定试纸条上每个反应块的中心。
步骤5、将检测卡图像由RGB转化为Lab颜色空间,以步骤4得到的中心坐标为中心向外延伸设定距离形成提取区域,获取校正色块和试纸条中反应块的颜色均值。
考虑到Lab颜色空间是基于人对颜色的感觉来设计的,Lab颜色空间同HIS颜色空间、RGB颜色空间相比更加符合人的视觉感知,它是一种与设备无关的颜色空间。最重要的是考虑到Lab颜色空间的三个颜色通道分别为L(明度通道)和a、b(颜色通道),把明度通道分离出去,仅考虑两个颜色通道的数值,如此一来,拍照时光照不均对图像带来的影响便随着明度通道分离出去了,在RGB颜色空间下,受光线影响,颜色稍有变化即引起三个颜色通道的数值出现较大波动,而在Lab颜色空间下数值波动要小的多,这样可以保证提取的颜色数值比较稳定,随后将数值带入神经网络计算的效果也相对较好,这对后期计算色差时是十分重要的。因此,在提取颜色数值之前首先将颜色空间由RGB转化为Lab颜色空间再进行提取。为了防止之前步骤识别出的色块中心坐标的轻微偏差使色块提取时超出色块边界,在色块提取时缩小提取面积,只提取中心坐标的部分矩形区域并求颜色的均值。如图4中(d)所示,具体提取时仅提取矩形框之内的颜色均值。
步骤6:构建BP神经网络,步骤5得到的色块校正区内校正色块的颜色均值作为输入,将步骤1得到的标准环境下的校正色块的颜色均值视为标准值作为输出,对BP神经网络进行训练,训练完成后,将试纸条中各个反应块的颜色均值分别输入BP神经网络中进行预测,即可得出试纸条中各个反应块校正后的颜色值。
训练完成后,将试纸条中各个反应块的颜色均值分别输入BP神经网络中进行预测,即可得出试纸条中各个反应块校正后的颜色值。
为实现自然场景下的尿液检测,需要首先将自然场景下的图片颜色还原到标准环境下。颜色校正期望得到颜色由自然场景到标准环境的转换关系,这一关系的获得需要对比一组已知颜色的色块在两个场景中的颜色数值。
颜色校正用到的是BP神经网络,输入数据为检测时64个校正色块拍摄后提取的L、a、b颜色通道数值,输出数据为64个校正色块在标准环境下拍摄后提取的初始标准值。BP神经网络学习训练函数为trainbr,该函数尽管在训练时需要消耗较多的时间,但是却能很好的应对复杂的问题,实际测试时发现该函数的训练效果优于其他几个训练函数。隐藏层神经元个数设置为7。随机选取70%数据作为训练集,15%作为验证集,15%作为测试集。
将这64组数据放到神经网络中进行训练便得出标准环境拍摄与自然环境拍摄后颜色之间的转换关系。利用训练后的神经网络就能进行颜色校正了,比如将自然场景下拍摄得到的试纸提取颜色,代入神经网络计算即得到校正到标准环境下的试纸颜色值。
步骤7:采用绝对值方法计算试纸条中各个反应块校正后的两个颜色通道的颜色值与步骤1中标准环境下比色卡的两个颜色通道的颜色差值,根据颜色差值的大小即可确定检测结果。
从反应后的尿液分析试纸条得出具体的检测结果,可行的方法有人眼目测、尿液分析仪识别以及手机拍照识别。尿液分析仪将不同颜色对应的反射光经光电传感器转化为电信号,送入微电脑进行分析处理,从而得出检测结果。本发明中采用的原理与人眼目测基本类似,即通过与比色卡比色来确定检测结果。如图2所示,以14项检测指标中的白细胞为例进行详细说明,由白细胞的比色卡可见白细胞检测结果共有5种,将反应后的试纸条和比色卡中白细胞的色块颜色逐一对比,色差越小,则检测结果越接近。由此便能从5种结果中确定白细胞的检测结果。
至于手机拍照尿液检测算法是如何进行比色呢,采用的方法自然是计算色差。目前计算色差时常采用欧氏距离,即将要求色差的两点的三个颜色通道分别计算差值后平方求和再开方。
需要指出的是本发明与现有的计算色差方法还是有所区别的。考虑到拍照时光照不均会在明度通道产生较大的影响,即当拍摄光照不均时,同一色块在明度通道也会有较大的差异,而在a、b颜色通道的差异较小。因此,当光照不均的图像需要计算色差时,更优的解决办法是只比较a、b颜色通道的色差,不考虑明度通道的差异。
进一步,为简化计算,计算色差时不再利用常见的距离公式,而直接利用绝对值来进行计算。
ΔE″=|a2-a1|+|b2-b1|
显然,采用绝对值进行计算比常见的距离公式计算的色差值要略大一些,但是丝毫不影响检测结果。因为最后在划分检测结果时依据的是色差最小值,即试纸条上色块与比色卡上哪一色块色差最小就划分到该比色卡对应的检测结果,可见色差的具体数值并不影响最后的结果。需要指出的是,公式里的a1、b1分别为标准环境下比色卡的两个颜色通道的颜色值,而a2、b2分别为校正后的待检测试纸条的两个颜色通道的颜色值。
本发明借助手机小程序将检测数据上传服务器,同人眼目测记录数据费时费力相比,本发明实现健康数据的集中管理与追溯,便于用户对自身健康状况的把握。本发明直接使用手机拍照实现尿液检测,降低医院尿液检测的交叉感染风险,减少尿液检测的时间成本。同家用尿液分析仪相比,手机拍照更加高效便捷。本发明提供的尿液检测方法,不对拍摄场景做出过多的限制,使用简便。本发明无需采用专色印刷比色卡,一般的激光打印即可满足要求,有效降低了印刷难度及印刷成本。本发明将试纸跟颜色校正色块相融合,尺寸小巧,一次性使用,用后即抛,干净卫生。本发明所采用的测试方法能够在最短的时间里对常见的异常指标进行验证,能够做到在不去医院,不接触尿液,不耗费试纸的情况下对算法的识别效果进行初步验证。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种基于智能手机拍照的尿液分析检测卡,其特征在于,包括检测卡本体,以及设置在其上的定位标志(1)、色块校正区(2)和反应区(3),试纸条放置在检测卡本体的反应区;
所述定位标志(1)为圆,两个定位标志分别位于色块校正区(2)的两端,所述色块校正区(2)包括呈矩形整列排布的多个校正色块,反应区(3)位于色块校正区(2)的一侧。
2.根据权利要求1所述的一种基于智能手机拍照的尿液分析检测卡,其特征在于,相邻校正色块之间设置有间隔线。
3.根据权利要求1所述的一种基于智能手机拍照的尿液分析检测卡,其特征在于,所述反应区(3)设置了对试纸条进行对齐的试纸对齐标志,当试纸条与试纸对齐标志对齐时,试纸条上各个反应块的中心与色块校正区中相邻校正色块的间隔线位于同一直线。
4.根据权利要求3所述的一种基于智能手机拍照的尿液分析检测卡,其特征在于,所述试纸对齐标志包括多个自上而下间隔设置的定位块,定位块的位置与试纸条上反应块的位置相对应,并且定位块的中心也与相邻校正色块的间隔线位于同一直线。
5.一种权利要求1-4任一项所述一种基于智能手机拍照的尿液分析检测卡的检测方法,其特征在于,包括以下步骤:
步骤1、在标准环境下拍摄检测卡和比色卡的图像,获取检测卡和比色卡中每个色块的颜色值作为标准值;
步骤2、将带有尿液样本的试纸条放置在检测卡本体的反应区,拍摄图像,识别定位标志,校正图像偏角并切割去除多余背景,只保留检测卡;
步骤3、根据两个定位标志之间的距离依比例预估色块校正区中每个色块的中心坐标,同时采用阈值法对色块校正区的图像进行分割,计算分割出的色块的中心坐标;
步骤4、对色块校正区中分割出的校正色块进行编号,根据部分分割出色块的中心坐标以及编号可以计算并确定所有校正色块的中心坐标,随后利用校正色块的中心坐标确定试纸条中反应块的中心坐标;
步骤5、将检测卡图像由RGB转化为Lab颜色空间,以步骤4得到的中心坐标为中心向外延伸设定距离形成提取区域,获取校正色块和试纸条中反应块的颜色均值;
步骤6、构建BP神经网络,将步骤5得到的校正色块的颜色均值作为输入,将步骤1中标准环境下的校正色块的颜色均值视为标准值作为输出,对BP神经网络进行训练,训练完成后,将试纸条中各个反应块的颜色均值分别输入BP神经网络中进行预测,即可得出试纸条中各个反应块校正后的颜色值;
步骤7、计算试纸条中各个反应块校正后的两个颜色通道的颜色值与步骤1中标准环境下比色卡的两个颜色通道的颜色差值,根据颜色差值的大小即可确定检测结果。
6.根据权利要求5所述一种基于智能手机拍照的尿液分析检测卡的检测方法,其特征在于,步骤2中,根据两个定位标志形成直线的斜率对图像的偏角进行校正,切割去除多余背景时所用裁剪框的尺寸大小为定位标志的直径放大某一倍数后得出。
7.根据权利要求5所述一种基于智能手机拍照的尿液分析检测卡的检测方法,其特征在于,步骤3中采用形态学运算得到阈值法分割后的色块的中心坐标。
8.根据权利要求5所述一种基于智能手机拍照的尿液分析检测卡的检测方法,其特征在于,步骤4中所述编号是通过计算分割出色块的中心坐标与预估出的每一个色块的中心坐标的距离,根据距离最小值确定分割出色块的编号。
9.根据权利要求5所述一种基于智能手机拍照的尿液分析检测卡的检测方法,其特征在于,步骤4中所述根据部分分割出色块的中心坐标以及编号计算并确定所有校正色块的中心坐标,所使用的计算方法为最小二乘法。
10.根据权利要求5所述一种基于智能手机拍照的尿液分析检测卡的检测方法,其特征在于,步骤7中采用绝对值法计算颜色差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211213665.1A CN115575391A (zh) | 2022-09-30 | 2022-09-30 | 一种基于智能手机拍照的尿液分析方法及检测卡 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211213665.1A CN115575391A (zh) | 2022-09-30 | 2022-09-30 | 一种基于智能手机拍照的尿液分析方法及检测卡 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115575391A true CN115575391A (zh) | 2023-01-06 |
Family
ID=84583778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211213665.1A Pending CN115575391A (zh) | 2022-09-30 | 2022-09-30 | 一种基于智能手机拍照的尿液分析方法及检测卡 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115575391A (zh) |
-
2022
- 2022-09-30 CN CN202211213665.1A patent/CN115575391A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11802839B2 (en) | Quantifying color changes in chemical test pads induced by different concentrations of analytes under different lighting conditions | |
CN105388147A (zh) | 一种基于专用试纸对体液的检测方法 | |
CN107771212B (zh) | 菌落对比度收集 | |
CN106546581A (zh) | 试纸检测卡智能检测系统以及试纸检测卡智能分析方法 | |
CN101966083B (zh) | 异常皮肤面积计算系统及其计算方法 | |
CN104198695B (zh) | 一种对胶体金试纸条显色结果分析的方法 | |
CN104969068A (zh) | 用于在自动校准环境中执行及量化由特定浓度的生物分析物诱发的色彩改变的方法及设备 | |
CN104749180B (zh) | 机器视觉鉴定分析及药敏鉴定系统 | |
CN106934377A (zh) | 一种改进的人脸检测系统 | |
CN109030480B (zh) | 样品分析方法、装置、可读存储介质及计算机设备 | |
CN111624203A (zh) | 一种基于机器视觉的继电器接点齐度非接触式测量方法 | |
CN115965607A (zh) | 一种智能中医舌诊辅助分析系统 | |
CN110412257B (zh) | 一种结合人工标定与星射线算法的试纸块定位方法 | |
CN115631350A (zh) | 罐印图像的颜色识别方法和装置 | |
CN102419861A (zh) | 基于均匀色空间拓扑剖分的彩色图像校正方法 | |
CN115575391A (zh) | 一种基于智能手机拍照的尿液分析方法及检测卡 | |
CN219122046U (zh) | 一种基于智能手机拍照的尿液分析检测卡 | |
CN117274295A (zh) | 一种新型阵列式尿液试纸即时检测分析方法 | |
CN108451501A (zh) | 一种基于像素分析的鲜红斑痣颜色和面积评估方法 | |
CN103344571A (zh) | 一种有价证券耐性质量评价方法及装置 | |
CN113853607A (zh) | 用于监测菌落的细菌生长和预测菌落生物量的系统和方法 | |
CN109635684A (zh) | 一种食品追溯系统 | |
CN114486895A (zh) | 一种基于尿干化试纸条推向识别的检测样本物质浓度的方法 | |
KR102226943B1 (ko) | 검출 방법 및 검출 패드 | |
CN109946290A (zh) | 一种便携式尿液检测装置与方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |